搜索「Agent Persona」的结果

io.github.K-Dense-AI/scientific-agent-skills/latchbio-integration

使用 Python SDK、CLI、Latch Data 与 Registry、Nextflow、Snakemake、程序化执行与 Latch MCP，在 Latch 平台上构建、注册、调试并运行生物信息学工作流。适用于编写或部署 Latch 工作流、配置资源或接口、搬运数据、集成 Registry，以及启动和监控运行。

io.github.K-Dense-AI/scientific-agent-skills/rowan

Rowan 是带 Python API 的云原生分子建模与药物化学工作流平台。适用于 pKa 与大分子 pKa 预测、构象与互变异构体系综、对接与类似物对接、蛋白-配体共折叠、MSA 生成、分子动力学、通透性、描述符工作流，以及相关的小分子或蛋白建模任务。适合程序化批量筛选、多步化学流水线，以及原本需要自建 HPC/GPU 基础设施的工作流。

io.github.K-Dense-AI/scientific-agent-skills/pyzotero

使用 pyzotero Python 客户端操作 Zotero 参考文献库。通过 Zotero Web API v3 检索、创建、更新和删除条目、合集、标签与附件。适用于以编程方式操作 Zotero 文库、管理文献引用、导出引文、检索文库内容、上传 PDF 附件，或构建与 Zotero 集成的科研自动化工作流。

io.github.K-Dense-AI/scientific-agent-skills/modal

Modal 是按需运行 Python（含按需 GPU）的无服务器云平台。在使用 Modal SDK 部署或托管 AI/ML 模型、运行 GPU 加速负载（训练、微调、推理）、托管 Web 端点、调度批处理任务，或将 Python 代码扩展到云容器时使用。

io.github.K-Dense-AI/scientific-agent-skills/adaptyv

如何使用 Adaptyv Bio Foundry API 与 Python SDK 进行蛋白实验设计、提交与结果获取。只要用户提到 Adaptyv、Foundry API、蛋白结合实验、蛋白筛选实验、BLI/SPR 实验、热稳定性实验，或想提交蛋白序列进行实验表征，就使用本技能。当代码导入 `adaptyv`、`adaptyv_sdk`、`FoundryClient`，或引用 `foundry-api-public.adaptyvbio.com` 时也应触发。

io.github.K-Dense-AI/scientific-agent-skills/polars

面向 Python ETL、分析与 pandas 迁移的高性能 DataFrame 库。适用于基于表达式的数据操作，支持惰性查询优化、并行执行、流式跨核处理、Arrow 互操作与可选的 GPU 执行。

io.github.K-Dense-AI/scientific-agent-skills/geopandas

面向直接使用 GeoPandas GeoSeries、GeoDataFrame、空间运算或矢量数据 I/O 的 Python 工作流的指导与本地审计工具。

io.github.K-Dense-AI/scientific-agent-skills/esm

在使用 `esm` Python SDK、ESM3 或 ESMC 模型 ID、Forge/Biohub 推理客户端或 ESMFold2 折叠工作流时使用。

io.github.K-Dense-AI/scientific-agent-skills/statsmodels

Python 统计模型库。当需要具体的模型类（OLS、GLM、混合模型、ARIMA）并要详尽的诊断、残差与推断时使用。最适合计量经济学、时间序列，以及带系数表的严格推断。需要引导式统计检验选择与 APA 报告时使用 statistical-analysis。

io.github.K-Dense-AI/scientific-agent-skills/scikit-learn

使用 scikit-learn 在 Python 中进行机器学习。适用于监督学习（分类、回归）、无监督学习（聚类、降维）、模型评估、超参数调优、预处理或构建 ML 流水线。提供算法、预处理技术、流水线与最佳实践的全面参考文档。

io.github.K-Dense-AI/scientific-agent-skills/optimize-for-gpu

将科学 Python 工作负载加速到 NVIDIA GPU 上，并验证结果正确且更快。适用于 CUDA/GPU 优化；CPU 受限的 NumPy、SciPy、pandas、scikit-learn、NetworkX、scikit-image、向量检索、图像处理、图、仿真或文件 I/O 负载；CuPy、cuDF、cuML、cuGraph、cuVS、cuCIM、KvikIO、Warp、Newton、Numba-CUDA、RAFT 相关问题；以及性能剖析、内存搬运、kernel 或多 GPU 瓶颈。当大规模数据并行的 Python 代码很慢且 GPU 加速是合理选项时也应使用，即使用户没有提到 CUDA。

io.github.K-Dense-AI/scientific-agent-skills/benchling-integration

Benchling Python SDK 与 REST API 集成，覆盖 registry 实体、库存、ELN 条目、工作流、Benchling Apps 与 Data Warehouse 查询。在使用 benchling-sdk 或 v2 API 自动化实验室数据时使用。

io.github.K-Dense-AI/scientific-agent-skills/astropy

面向需要 Astropy API 的天文与天体物理工作流的核心 Python 库，涵盖单位/量纲、坐标、FITS I/O、表格、时间系统、WCS 与宇宙学。在使用 Astropy 实现或调试天文数据分析代码时使用。

io.github.K-Dense-AI/scientific-agent-skills/datamol

RDKit 的 Pythonic 封装，接口更简单、默认值更合理。标准药物发现任务的首选：SMILES 解析、标准化、描述符、指纹、聚类、3D 构象、并行处理。返回原生 rdkit.Chem.Mol 对象。需要高级控制或自定义参数时直接使用 rdkit。

io.github.K-Dense-AI/scientific-agent-skills/pysam

基于 Python/HTSlib 的基因组文件工作流。在使用 pysam 读取、查询、过滤或写出 SAM/BAM/CRAM、VCF/BCF、FASTA/FASTQ 或 tabix 数据时使用，包括 pileup、覆盖度、索引与 CRAM 参考。

io.github.K-Dense-AI/scientific-agent-skills/zarr-python

用于云存储的分块 N 维数组（Zarr-Python 3）。压缩数组、并行 I/O、经 fsspec 访问 S3/GCS、兼容 NumPy/Dask/Xarray，适用于大规模科学计算流水线。

io.github.K-Dense-AI/scientific-agent-skills/paperclip

使用 GXL 的 Paperclip CLI 检索和阅读生物医学论文全文、FDA/PMDA/EMA 监管文件、临床试验注册信息和 UniProt/PDB/ChEMBL 条目。涵盖用 PAPERCLIP_API_KEY 安装与鉴权 `paperclip` 二进制、/papers、/fda、/trials、/proteins、/clipboard 下的只读虚拟文件系统、来源范围的语义搜索、全语料 grep、元数据查询与 SQL、跨多篇论文的 map/reduce 阅读、图像视觉分析、带论断核验的可选论文仓库，以及锁定行号的引用。当被要求安装 paperclip、运行 paperclip search/grep/map/reduce/sql/repo、通过 paperclip 查找或阅读生物医学文献、监管文件或临床试验，或生成带行号的引用时使用。

io.github.K-Dense-AI/scientific-agent-skills/paper-lookup

在 11 个学术文献 API 中检索论文、预印本、引用与开放获取全文，并返回可复现的溯源结果。覆盖 PubMed、PMC（全文）、Europe PMC（全文与预印本检索）、bioRxiv、medRxiv、arXiv、OpenAlex、Crossref、Semantic Scholar、CORE、Unpaywall。适用于检索论文、引用、DOI/PMID/arXiv、摘要、全文、开放获取 PDF、预印本、引用网络、作者发文或任何学术文献查询。提及任一受支持数据库，或“find papers on X”“look up this DOI”“who cites this paper”“get me the PDF”等请求会触发。

io.github.K-Dense-AI/scientific-agent-skills/bioservices

40+ 生物信息学服务的统一 Python 接口。适用于在单个工作流中查询多个数据库（UniProt、KEGG、ChEMBL、Reactome）并使用一致的 API。最适合跨库分析与跨服务 ID 映射。快速单库查询用 gget；序列/文件操作用 biopython。

io.github.K-Dense-AI/scientific-agent-skills/gget

对 20+ 生物信息学数据库的快速 CLI/Python 查询。适合快速查询：基因信息、BLAST/BLAT、病毒序列下载、AlphaFold 结构、富集分析、OpenTargets、COSMIC、CELLxGENE 以及 8cube 小鼠特异性/表达数据。最适合交互式探索和简单查询。批量处理或高级 BLAST 用 biopython；跨库 Python 工作流用 bioservices。

io.github.K-Dense-AI/scientific-agent-skills/database-lookup

以显式端点、筛选条件、分页与溯源方式查询有文档的公共数据库 API。当需要以可复现方式从具名来源获取科学、监管、金融等数据库支撑的事实（而非依赖通用知识推断）时使用。

io.github.wshobson/agents/modern-javascript-patterns

掌握 ES6+ 特性，包括 async/await、解构、展开运算符、箭头函数、Promise、模块、迭代器、生成器与函数式编程模式，编写简洁高效的 JavaScript 代码。在重构遗留代码、实现现代模式或优化 JavaScript 应用时使用。

io.github.wshobson/agents/tailwind-design-system

使用 Tailwind CSS v4、设计令牌、组件库与响应式模式构建可扩展的设计系统。在创建组件库、实现设计系统或标准化 UI 模式时使用。

io.github.wshobson/agents/nodejs-backend-patterns

使用 Express/Fastify 构建生产就绪的 Node.js 后端服务，落实中间件模式、错误处理、认证、数据库集成与 API 设计最佳实践。在创建 Node.js 服务器、REST API、GraphQL 后端或微服务架构时使用。